Ενεργειακά Αποδοτικός Συσκευής Κατασκευασμένος από Τεχνητά Νευρώνες Μπορεί να Αποκωδικοποιήσει Εγκεφαλικές Κυματώσεις

Οι ηλεκτρονικές συσκευές στις οποίες βασίζονται οι τρέχοντες αλγόριθμοι των νευρωνικών δικτύων απαιτούν μια έντονη ποσότητα επεξεργαστικής ισχύος, που σημαίνει ότι αυτά τα συστήματα τεχνητής νοημοσύνης (AI) εξακολουθούν να είναι μακριά από το να είναι στο ίδιο επίπεδο με τον ανθρώπινο εγκέφαλο για την επεξεργασία των αισθητηριακών πληροφοριών ή των互動 με το περιβάλλον σε πραγματικό χρόνο.

Ο κλειδί για την υπέρβαση αυτής της πρόκλησης μπορεί να εμπεριέχει τη νευρομορφική μηχανική, η οποία είναι μια νέα προσέγγιση που συνδυάζει την τεχνητή και τη φυσική νοημοσύνη. Ερευνητές στο Πανεπιστήμιο της Ζυρίχης, το ETH Ζυρίχης και το Πανεπιστημιακό Νοσοκομείο Ζυρίχης βασίζονται σε αυτήν την προσέγγιση για την ανάπτυξη ενός chip με βάση τη νευρομορφική τεχνολογία, με τον chip να αναγνωρίζει ακριβώς και αξιόπιστα σύνθετα βιοσηματοσκοπικά σήματα.

Η νέα έρευνα δημοσιεύθηκε στο Nature Communications.

Ανίχνευση HFO

Η ομάδα χρησιμοποίησε την τεχνολογία για να ανιχνεύσει με επιτυχία προηγουμένως καταγεγραμμένες υψηλής συχνότητας ταλαντώσεις (HFO), οι οποίες μετρήθηκαν με εγκεφαλικό ηλεκτροεγκεφαλογράφημα (iEEG). Τα HFO έχουν αποδειχθεί αξιόπιστα στην αναγνώριση εγκεφαλικού ιστού υπεύθυνου για επιληπτικές κρίσεις.

Η ομάδα προσομοίωσε το φυσικό νευρωνικό δίκτυο του εγκεφάλου, το οποίο ονομάζεται σπाइकινγκ νευρωνικό δίκτυο (SNN), για να σχεδιάσει einen αλγόριθμο για την ανίχνευση HFO. Στη συνέχεια, υλοποίησαν το SNN σε ένα μικρό κομμάτι υλικού που λαμβάνει νευρωνικά σήματα μέσω ηλεκτροδίων, τα οποία είναι εξαιρετικά ενεργειακά αποδοτικά.

Λόγω αυτής της αποδοτικότητας, οι υπολογισμοί μπορούν να γίνουν με μια πολύ υψηλή χρονική ανάλυση χωρίς να βασίζονται στο διαδίκτυο ή την υπολογιστική στο cloud.

Ο Giacomo Indiveri είναι καθηγητής στο Ινστιτούτο Νευροπληροφορικής του UZH και του ETH Ζυρίχης.

“Η σχεδίασή μας μας επιτρέπει να αναγνωρίζουμε χωροχρονικές προτυπώσεις σε βιολογικά σήματα σε πραγματικό χρόνο,” λέει ο Indiveri.

Πραγματικές Χρήσεις

Οι ερευνητές τώρα επιδιώκουν να χρησιμοποιήσουν τις νέες ευρήματα για την ανάπτυξη ενός ηλεκτρονικού συστήματος που μπορεί να αναγνωρίσει και να παρακολουθήσει HFO σε πραγματικό χρόνο. Σύμφωνα με την ομάδα, εάν το εργαλείο χρησιμοποιηθεί ως πρόσθετο διαγνωστικό εργαλείο σε αίθουσες χειρουργείου, θα μπορούσε να βελτιώσει το αποτέλεσμα των νευροχειρουργικών παρεμβάσεων.

Η αναγνώριση HFO θα μπορούσε επίσης να επηρεάσει άλλα πεδία, με τον μακροπρόθεσμο στόχο της ομάδας να είναι η ανάπτυξη ενός συσκευής για την παρακολούθηση της επιληψίας. Αυτό το είδος συσκευής θα μπορούσε να χρησιμοποιηθεί εκτός του νοσοκομειακού περιβάλλοντος, καθιστώντας δυνατή την ανάλυση σημάτων από πολλά ηλεκτρόδια για διάστημα εβδομάδων ή μηνών.

“Θέλουμε να ενσωματώσουμε χαμηλής ενέργειας, ασύρματες επικοινωνίες δεδομένων στη σχεδίαση — για να συνδεθούμε με ένα κινητό τηλέφωνο, για παράδειγμα,” λέει ο Indiveri.

Ο Johannes Sarnthein είναι νευροφυσιολόγος στο Πανεπιστημιακό Νοσοκομείο Ζυρίχης.

“Μια φορητή ή εμφυτεύσιμη συσκευή όπως αυτή θα μπορούσε να αναγνωρίσει περιόδους με υψηλότερη ή χαμηλότερη συχνότητα εμφάνισης σπασμών, που θα μας επέτρεπε να παρέχουμε προσωποποιημένη ιατρική,” λέει ο Sarnthein.

Η έρευνα για την επιληψία διεξάγεται στο Κέντρο Επιληψίας και Επιληπτικής Χειρουργικής της Ζυρίχης, το οποίο είναι μέρος μιας συνεργασίας μεταξύ του Πανεπιστημιακού Νοσοκομείου Ζυρίχης, του Ελβετικού Κέντρου Επιληψίας και του Παιδιατρικού Νοσοκομείου Ζυρίχης.